数据仓库的数据质量是数据仓库的一个重要概念。在以往的文献研究文献中提供了一种GQM模型，即Goal-Question-Metric模型，它采用质量问题询问的方法来改进数据仓库的数据质量。而它不能适应，日益增多的数据源及越发复杂的异构数据。 本文先对以往的数据仓库体系和有关数据质量的理论进行回顾，继而提出一种的数据仓库三层体系结构。在此结构中融合数据质量的要素，提出对其数据质量进行改进的方法，满足于对数据仓库各层不同的质量要求，从而达到对DSS的有效支持。本文重点描述了这个结构及其对数据质量有效支持的机制——簇和转换代理。在多个异构数据源基础上按照数据质量的需要，和元数据的相关描述，形成多级簇的阶层图。在簇的形成过程中加入了转换代理机制，这种机制克服了GQM方法的缺陷。在代理机制中，加入了知识检索工具，它不但用于划分形成簇，而且有效的把异质数据归类。同时加入了用于质量测量的测量代理，用于数据优化的优化器和评价机制。经过这些若干步骤转化，初始数据源的数据转化为接近甚至达到用户质量目标的数据。最后，因为数据仓库有时间特性，本文还加入了数据演化的有关理论和方法。